nonleaf node represents a test on a

nonleaf node represents a test on an attribute, each branch
denotes an outcome of the test and each leaf node shows a
class label. In general, decision trees can be converted into a
set of decision rules as well, by traversing the path from the
root node to a leaf node [28].
Decision rule generation itself alludes to the direct generation
of decision rules without generating a decision tree. An
exemplary decision rule could be: If employee E takes part
in production step S and machine M is used in production
step T then lead times are too high.
For the implementation of the metric-oriented RCA we rely
on decision tree induction as suitable classification technique
due to its high interpretability and the possibility to
deduce decision rules. Yet, additional concepts, esp. pruning
methods, have to be employed to improve the robustness of
decision tree algorithms.
C. Prototypical Implementation and
First Proof of Concept
Our current prototype implements a basic version of the
manufacturing warehouse as well as the metric-oriented
RCA and is based on a dashboard-like GUI. The user selects
a process and corresponding metrics, e. g., lead time or First
Pass Yield, which are represented as speedometers showing
coloured value ranges for each category. That’s enough to
start the metric-oriented RCA. Considering configuration
options, the user can activate tree pruning as well as attribute
filtering. Both simplify the generated tree to enhance its
interpretability.
In the following, we give a short overview of the prototype’s
architecture that we introduced in [7]. On this basis,
we detail on data transformation and pattern detection as the
essential components for the realization of the metricoriented
RCA. Finally, we present a first proof of concept.
Our implementation consists
of three technical layers required
for the metric-oriented RCA
(see Fig. 3): The Data Integration
Layer comprises a relational
version of the Manufacturing
Warehouse. Moreover, we rely
on Java using the WEKA data
mining Framework [33] to implement
not only the Presentation
Layer, i. e., the Cockpit, but
the actual Analytics Layer as
well. The latter comprises Data
Transformation, i. e., Denormalization
and Filtering, as well
as Pattern Detection, i. e., Decision
Tree Induction.
In general, the multidimensional Manufacturing Warehouse
takes an activity-centric view with production step
executions as central facts characterized by various dimensions.
Obligatory flow dimensions describe the process flow
over time and comprise necessary information about time
and process aspects, like the start of a production step and
the manufacturing process it belongs to. Optional context
dimensions comprise additional information regarding employed
resources like machines, manufacturing aids and

ผลลัพธ์ (ไทย) 1:

โหน nonleaf หมายถึงการทดสอบในแต่ละสาขา คุณลักษณะ
หมายถึงผลของการทดสอบและแต่ละโหนดสาขาแสดงเป็น
ป้ายคลา ทั่วไป สามารถแปลงต้นไม้ตัดสินใจเป็นการ
ชุดตัดสินใจกฎเช่น โดยข้ามสิ่งกีดขวางเส้นทางจาก
โหนดรากจะโหนดสาขา [28] .
ตัดสินใจสร้างกฎเอง alludes ไปสร้างตรง
กฎการตัดสินใจโดยการสร้างต้นไม้ตัดสินใจได้ การ
ตัดสินโทษกฎอาจ: ถ้าพนักงาน E ใช้เวลาส่วน
ในการผลิต ขั้นตอน S และ M เครื่องใช้ในการผลิต
T ขั้นตอน แล้วรอเวลาจะเกินไปสูงได้
สำหรับการดำเนินงานของ RCA มุ่งเน้นวัดที่เราใช้
ในเหนี่ยวนำต้นไม้ตัดสินใจเป็นเทคนิคการจัดประเภทที่เหมาะสม
interpretability ความสูงและความเป็นไปได้
เลิกกฎการตัดสินใจได้ ยัง แนว คิดเพิ่มเติม esp. pruning
วิธี ต้องทำงานเพื่อปรับปรุงเสถียรภาพของ
ตัดสินใจทรีอัลกอริทึมการ
C. Prototypical นำ และ
แรกพิสูจน์แนวคิด
ต้นแบบปัจจุบันเราใช้รุ่นพื้นฐาน
ผลิตคลังสินค้าตลอดจนการวัดแนว
RCA และใช้ GUI เช่นแดชบอร์ด ผู้ใช้เลือก
กระบวนการ และการวัดที่สอดคล้องกัน e. กรัม เวลารอคอยสินค้า หรือแรก
ผ่านผลผลิต ซึ่งจะแสดงเป็น speedometers แสดง
สีค่าช่วงในแต่ละประเภท ก็พอ
เริ่ม RCA แปลกวัด พิจารณากำหนดค่า
ตัวเลือก ผู้ใช้สามารถเรียกใช้ตัดต้นไม้เป็นแอททริบิวต์
กรองได้ ทั้งทำทรีขึ้นเพื่อเพิ่มประสิทธิภาพของ
interpretability.
ในต่อไปนี้ เราให้ภาพรวมโดยย่อของต้นแบบการ
สถาปัตยกรรมที่เราแนะนำใน [7] ในนี้,
เรารายละเอียดในการตรวจแปลงและรูปแบบของข้อมูลเป็นการ
ส่วนประกอบสำคัญสำหรับการสำนึกของการ metricoriented
RCA สุดท้าย เรานำเสนอหลักฐานแรกของแนวคิด
งานของเราประกอบด้วย
สามชั้นทางเทคนิคต้อง
สำหรับ RCA แปลกวัด
(see Fig. 3): รวมข้อมูลที่
ชั้นประกอบด้วยความสัมพันธ์
รุ่นการผลิต
คลังสินค้า นอกจากนี้ เราอาศัย
บน Java ใช้ข้อมูล WEKA
กรอบ [33] เพื่อดำเนินการทำเหมืองแร่
ไม่เพียงนำเสนอ
ชั้น i. e. ควบคุม แต่
ชั้นวิเคราะห์จริงเป็น
ดี หลังประกอบด้วยข้อมูล
แปลง i. e., Denormalization
และการก รอง เช่น
เป็นรูปแบบการตรวจสอบ i. e. ตัดสินใจ
ต้นไม้เหนี่ยวนำ
โดยทั่วไป คลังสินค้าผลิตหลาย
ใช้มุมมองตอบสนองทุกกิจกรรม มีขั้นตอนการผลิต
ดำเนินการเป็นข้อมูลกลางโดยมิติต่าง ๆ
มิติบังคับกระแสอธิบายขั้นตอนของกระบวนการ
ผ่านเวลา และประกอบด้วยข้อมูลที่จำเป็นเวลา
และกระบวนการด้าน เช่นการเริ่มต้นของขั้นตอนผลิต และ
กระบวนการผลิตให้ บริบทเสริม
มิติประกอบด้วยข้อมูลเพิ่มเติมเกี่ยวกับจ้าง
ทรัพยากรเช่นเครื่องจักร ผลิตเอดส์ และ

ผลลัพธ์ (ไทย) 2:

โหนด nonleaf แสดงให้เห็นถึงการทดสอบคุณลักษณะแต่ละสาขา
หมายถึงผลของการทดสอบและแต่ละโหนดใบแสดง
ฉลากชั้น โดยทั่วไปต้นไม้ตัดสินใจสามารถแปลงเป็น
ชุดของกฎการตัดสินใจเช่นกันโดย traversing เส้นทางจาก
โหนดรากไปยังโหนดใบ [28]
รุ่นกฎการตัดสินใจตัวเอง alludes กับรุ่นโดยตรง
ของกฎการตัดสินใจโดยไม่สร้างต้นไม้ตัดสินใจ .
กฎการตัดสินใจอาจจะเป็นแบบอย่าง: หากพนักงาน E ใช้เวลาส่วนหนึ่ง
ในการผลิตขั้นตอน S และ M เครื่องใช้ในการผลิต
ขั้นตอน T แล้วนำเวลาที่จะสูงเกินไป
สำหรับการดำเนินงานของอาร์ซีเอที่มุ่งเน้นตัวชี้วัดที่เราอาศัย
อยู่กับการตัดสินใจเหนี่ยวนำต้นไม้เป็นหมวดหมู่ที่เหมาะสม เทคนิค
เนื่องจาก interpretability สูงและความเป็นไปได้ที่จะ
ได้ข้อสรุปกฎการตัดสินใจ แต่แนวความคิดเพิ่มเติมทาย การตัดแต่งกิ่ง
วิธีการจะต้องใช้ในการปรับปรุงความทนทานของ
การตัดสินใจขั้นตอนวิธีต้นไม้
C. การดำเนินการตามแม่บทและ
หลักฐานแรกของแนวคิด
ต้นแบบปัจจุบันของเราดำเนินการเป็นรุ่นพื้นฐานของ
คลังสินค้าการผลิตรวมทั้งตัวชี้วัดเชิง
อาร์ซีเอและอยู่บนพื้นฐานของแดชบอร์ดเหมือน GUI ผู้ใช้เลือก
กระบวนการและตัวชี้วัดที่สอดคล้องกันเช่นเวลานำหรือแรก
ผ่านผลผลิตซึ่งจะแสดงเป็น speedometers แสดง
ค่าสีช่วงสำหรับแต่ละประเภท นั่นเพียงพอที่จะ
เริ่มต้นอาร์ซีเอที่มุ่งเน้นตัวชี้วัด พิจารณาการกำหนดค่า
ตัวเลือกที่ผู้ใช้สามารถเปิดใช้งานการตัดแต่งกิ่งต้นไม้เป็นคุณลักษณะ
การกรอง ทั้งลดความซับซ้อนของต้นไม้ที่สร้างขึ้นเพื่อเพิ่มของ
interpretability
ในต่อไปนี้เราจะให้ภาพรวมสั้น ๆ ของต้นแบบของ
สถาปัตยกรรมที่เรานำมาใช้ใน [7] บนพื้นฐานนี้
เรารายละเอียดในการแปลงข้อมูลและการตรวจสอบรูปแบบเป็น
ส่วนประกอบที่จำเป็นสำหรับการสำนึกของ metricoriented
อาร์ซีเอ สุดท้ายเรานำเสนอหลักฐานแรกของแนวคิด
การดำเนินงานของเราประกอบด้วย
สามชั้นทางเทคนิคที่จำเป็น
สำหรับอาร์ซีเอที่มุ่งเน้นตัวชี้วัด
(ดูรูปที่ 3.): บูรณาการข้อมูล
ชั้นประกอบด้วยสัมพันธ์
รุ่นของการผลิต
คลังสินค้า นอกจากนี้เรายังต้องอาศัย
บนเกาะชวาใช้ Weka ข้อมูล
การทำเหมืองแร่กรอบ [33] ในการดำเนินการ
ไม่เพียง แต่การนำเสนอ
ชั้นคือนักบิน แต่
ชั้น Analytics ที่เกิดขึ้นจริงเป็น
อย่างดี หลังประกอบไปด้วยข้อมูลที่
เปลี่ยนแปลงคือ denormalization
และกรองเป็นอย่างดี
ในขณะที่รูปแบบการตรวจสอบคือการตัดสินใจ
ต้นไม้เหนี่ยวนำ
ทั่วไปโกดังผลิตหลายมิติ
ใช้มุมมองกิจกรรมที่เป็นศูนย์กลางการผลิตด้วยขั้นตอน
การดำเนินการที่เป็นข้อเท็จจริงกลางที่โดดเด่นด้วยขนาดต่างๆ
บังคับ มิติการไหลอธิบายการไหลของกระบวนการ
ในช่วงเวลาและประกอบด้วยข้อมูลที่จำเป็นเกี่ยวกับเวลา
และขั้นตอนด้านเช่นการเริ่มต้นของขั้นตอนการผลิตและ
กระบวนการผลิตมันเป็นของ บริบทเลือก
ขนาดประกอบด้วยข้อมูลเพิ่มเติมเกี่ยวกับการจ้างงาน
ทรัพยากรเช่นเครื่องช่วยการผลิตและการ

ผลลัพธ์ (ไทย) 3:

nonleaf โหนดเป็นทดสอบในลักษณะเฉพาะของแต่ละสาขา
แสดงผลของการทดสอบแต่ละปมใบและการแสดง
ห้องป้าย โดยทั่วไปต้นไม้การตัดสินใจสามารถแปลงเป็น
ชุดของกฎการตัดสินใจได้เป็นอย่างดี โดย traversing เส้นทางจากปมรากกับโหนดใบ
[ 28 ] .
ตัดสินใจกฎรุ่นตัวเองลอกเลียนมาจากรุ่นตรง
ของกฎการตัดสินใจโดยไม่สร้างการตัดสินใจต้นไม้
เป็นสถาปัตยกรรมที่เราแนะนำใน [ 7 ] บนพื้นฐานนี้
เรารายละเอียดในการแปลงข้อมูลและรูปแบบการตรวจสอบเป็นองค์ประกอบสำคัญสำหรับการก่อให้เกิด

ของ metricoriented RCA ในที่สุดเราได้เสนอหลักฐานแรกของแนวคิด การดำเนินงานของเราประกอบด้วย

3

ชั้นทางเทคนิคที่จำเป็นสำหรับ RCA เชิงเมตริก ( ดูรูปที่ 3 ) : การรวมข้อมูลเชิงสัมพันธ์

ชั้นประกอบด้วยวิธีการ มีการใช้เพื่อปรับปรุงความทนทานของขั้นตอนวิธีต้นไม้ตัดสินใจ
.
c แบบใช้หลักฐานแรกของต้นแบบแนวคิด

ปัจจุบันของเราใช้รุ่นพื้นฐานของ
การผลิต คลังสินค้า รวมทั้งตัวชี้วัดเชิง
อาร์ซีเอ และตั้งอยู่บนแดชบอร์ดแบบ GUI ผู้ใช้เลือก
กระบวนการและตัวชี้วัด ที่สอดคล้องเช่น เวลารอคอยสินค้าหรือผลผลิตผ่านแรก
,กฎการตัดสินใจเป็นแบบอย่างอาจจะ : ถ้าพนักงานและใช้เวลาส่วนหนึ่ง
ในขั้นตอนการผลิตและเครื่องจักรที่ใช้ในการผลิตขั้นตอน M
T แล้วเวลานำสูงเกินไป .
สำหรับการดำเนินการตัวชี้วัดเชิงอาร์ซีเอ เราอาศัยบนต้นไม้การตัดสินใจที่เหมาะสม

เทคนิคการจำแนกเนื่องจาก interpretability สูงและเป็นไปได้

อนุมานกฎการตัดสินใจ ยังเพิ่มแนวคิด โดยเฉพาะการตัดแต่งกิ่ง
ซึ่งจะแสดงเป็น speedometers แสดง
สีช่วงค่าสำหรับแต่ละประเภท พอแล้ว

เริ่มตันแบบ RCA พิจารณาตัวเลือกการกำหนดค่า
, ผู้ใช้สามารถเปิดใช้งานในการตัดต้นไม้ รวมทั้งคุณลักษณะ
กรอง ทั้งลดความซับซ้อนของการสร้างต้นไม้เพื่อเพิ่ม interpretability
.
ในต่อไปนี้เราจะให้ภาพรวมสั้น ๆของต้นแบบ
สถาปัตยกรรมที่เราแนะนำใน [ 7 ] บนพื้นฐานนี้
เรารายละเอียดในการแปลงข้อมูลและรูปแบบการตรวจสอบเป็นองค์ประกอบสำคัญสำหรับการก่อให้เกิด

ของ metricoriented RCA ในที่สุดเราได้เสนอหลักฐานแรกของแนวคิด การดำเนินงานของเราประกอบด้วย

3

ชั้นทางเทคนิคที่จำเป็นสำหรับ RCA เชิงเมตริก ( ดูรูปที่ 3 ) : การรวมข้อมูลเชิงสัมพันธ์

ชั้นประกอบด้วย
การผลิตคลังสินค้าหลายมิติจะเป็นกิจกรรมวิพากษ์มุมมองที่มีขั้นตอนการผลิต
การประหารชีวิตเป็นศูนย์กลางข้อมูลลักษณะมิติต่างๆ มิติการอธิบายกระบวนการบังคับ

ไหลตลอดเวลา และประกอบด้วยข้อมูลที่จำเป็นเกี่ยวกับเวลาด้าน
และกระบวนการเช่นการเริ่มต้นของขั้นตอนการผลิตและ
กระบวนการผลิตมันเป็นของ .
บริบทตัวเลือกมิติประกอบด้วยข้อมูลเพิ่มเติมเกี่ยวกับลูกจ้าง
ทรัพยากรเช่นเครื่องผลิตและ
, เอดส์